我正在尝试优化一个被调用的片段(数百万次),因此任何类型的速度提升(希望删除for循环)都会很棒。
我正在计算某些第j个粒子与所有其他粒子的相关函数
C_j(| r-r' |)= sqrt(E((s_j(r') - s_k(r))^ 2))k的平均值。
我的想法是有一个变量corrfun,它将数据分成一些箱子(r,在其他地方定义)。我发现每个s_k属于哪个bin,这个存储在ind中。因此ind [0]是j = 0点对应的r(因而是corrfun)的索引。多个点可以落入同一个bin(实际上我希望bin足够大以包含多个点)所以我将所有(s_j(r') - s_k(r))^ 2加在一起然后除以该箱中的点数(存储在变量rw中)。我最终为此做的代码如下(np代表numpy):
for k, v in enumerate(ind):
if j==k:
continue
corrfun[v] += (s[k]-s[j])**2
rw[v] += 1
rw2 = rw
rw2[rw < 1] = 1
corrfun = np.sqrt(np.divide(corrfun, rw2))
注意,rw2业务是因为我想避免除以0问题,但我确实返回了rw数组,我希望能够区分rw = 0和rw = 1元素。也许有一个更优雅的解决方案。
有没有办法让for循环更快?虽然我不想添加自我交互(j == k)我甚至可以进行自我交互,如果这意味着我可以得到明显更快的计算(ind~1E6的长度,所以自我交互可能无关紧要)。
谢谢!
伊利亚安德
编辑:
这是完整的代码。请注意,在完整代码中,我也在j上求平均值。
import numpy as np
def twopointcorr(x,y,s,dr):
width = np.max(x)-np.min(x)
height = np.max(y)-np.min(y)
n = len(x)
maxR = np.sqrt((width/2)**2 + (height/2)**2)
r = np.arange(0, maxR, dr)
print(r)
corrfun = r*0
rw = r*0
print(maxR)
''' go through all points'''
for j in range(0, n-1):
hypot = np.sqrt((x[j]-x)**2+(y[j]-y)**2)
ind = [np.abs(r-h).argmin() for h in hypot]
for k, v in enumerate(ind):
if j==k:
continue
corrfun[v] += (s[k]-s[j])**2
rw[v] += 1
rw2 = rw
rw2[rw < 1] = 1
corrfun = np.sqrt(np.divide(corrfun, rw2))
return r, corrfun, rw
我按以下方式调试它
from twopointcorr import twopointcorr
import numpy as np
import matplotlib.pyplot as plt
import time
n=1000
x = np.random.rand(n)
y = np.random.rand(n)
s = np.random.rand(n)
print('running two point corr functinon')
start_time = time.time()
r,corrfun,rw = twopointcorr(x,y,s,0.1)
print("--- Execution time is %s seconds ---" % (time.time() - start_time))
fig1=plt.figure()
plt.plot(r, corrfun,'-x')
fig2=plt.figure()
plt.plot(r, rw,'-x')
plt.show()
同样,主要问题是在真实数据集n~1E6中。当然,我可以重新采样以使其变小,但我很乐意实际操作数据集。
答案 0 :(得分:3)
我系统上的原始代码大约需要5.7秒。我完全向内化了内循环并让它在0.39秒内运行。只需用以下内容替换“通过所有点”循环:
points = np.column_stack((x,y))
hypots = scipy.spatial.distance.cdist(points, points)
inds = np.rint(hypots.clip(max=maxR) / dr).astype(np.int)
# go through all points
for j in range(n): # n.b. previously n-1, not sure why
ind = inds[j]
np.add.at(corrfun, ind, (s - s[j])**2)
np.add.at(rw, ind, 1)
rw[ind[j]] -= 1 # subtract self
第一个观察结果是您的hypot
代码正在计算2D距离,因此我将其替换为SciPy中的cdist
,以便在一次调用中完成所有操作。第二个是内部for
循环缓慢,并且由于来自@hpaulj的深刻见解,我使用np.add.at()
进行了矢量化。
既然你也问过如何对内循环进行矢量化,那我后来就这样做了。它现在需要0.25秒才能运行,总速度超过20倍。这是最终的代码:
points = np.column_stack((x,y))
hypots = scipy.spatial.distance.cdist(points, points)
inds = np.rint(hypots.clip(max=maxR) / dr).astype(np.int)
sn = np.tile(s, (n,1)) # n copies of s
diffs = (sn - sn.T)**2 # squares of pairwise differences
np.add.at(corrfun, inds, diffs)
rw = np.bincount(inds.flatten(), minlength=len(r))
np.subtract.at(rw, inds.diagonal(), 1) # subtract self
这会占用更多内存,但与上面的单循环版本相比确实产生了相当大的加速。
答案 1 :(得分:3)
以下是使用broadcast,hypot,round,bincount删除所有循环的代码:
for pt in 1,1 4,8 87,34; do
points+=(-draw "point $pt")
done
convert -size 100x100 xc:black -fill white "${points[@]}" image.png
比较,我修改了你的代码如下:
def twopointcorr2(x, y, s, dr):
width = np.max(x)-np.min(x)
height = np.max(y)-np.min(y)
n = len(x)
maxR = np.sqrt((width/2)**2 + (height/2)**2)
r = np.arange(0, maxR, dr)
osub = lambda x:np.subtract.outer(x, x)
ind = np.clip(np.round(np.hypot(osub(x), osub(y)) / dr), 0, len(r)-1).astype(int)
rw = np.bincount(ind.ravel())
rw[0] -= len(x)
corrfun = np.bincount(ind.ravel(), (osub(s)**2).ravel())
return r, corrfun, rw
以下是检查结果的代码:
def twopointcorr(x,y,s,dr):
width = np.max(x)-np.min(x)
height = np.max(y)-np.min(y)
n = len(x)
maxR = np.sqrt((width/2)**2 + (height/2)**2)
r = np.arange(0, maxR, dr)
corrfun = r*0
rw = r*0
for j in range(0, n):
hypot = np.sqrt((x[j]-x)**2+(y[j]-y)**2)
ind = [np.abs(r-h).argmin() for h in hypot]
for k, v in enumerate(ind):
if j==k:
continue
corrfun[v] += (s[k]-s[j])**2
rw[v] += 1
return r, corrfun, rw
和%timeit结果:
import numpy as np
n=1000
x = np.random.rand(n)
y = np.random.rand(n)
s = np.random.rand(n)
r1, corrfun1, rw1 = twopointcorr(x,y,s,0.1)
r2, corrfun2, rw2 = twopointcorr2(x,y,s,0.1)
assert np.allclose(r1, r2)
assert np.allclose(corrfun1, corrfun2)
assert np.allclose(rw1, rw2)
输出:
%timeit twopointcorr(x,y,s,0.1)
%timeit twopointcorr2(x,y,s,0.1)
答案 2 :(得分:0)
好的,因为事实证明外部产品的内存非常昂贵,但是,使用来自@HYRY和@JohnZwinck的答案,我能够在内存中制作仍然大致线性的代码并快速计算(0.5秒)测试用例)
import numpy as np
def twopointcorr(x,y,s,dr,maxR=-1):
width = np.max(x)-np.min(x)
height = np.max(y)-np.min(y)
n = len(x)
if maxR < dr:
maxR = np.sqrt((width/2)**2 + (height/2)**2)
r = np.arange(0, maxR+dr, dr)
corrfun = r*0
rw = r*0
for j in range(0, n):
ind = np.clip(np.round(np.hypot(x[j]-x,y[j]-y) / dr), 0, len(r)-1).astype(int)
np.add.at(corrfun, ind, (s - s[j])**2)
np.add.at(rw, ind, 1)
rw[0] -= n
corrfun = np.sqrt(np.divide(corrfun, np.maximum(rw,1)))
r=np.delete(r,-1)
rw=np.delete(rw,-1)
corrfun=np.delete(corrfun,-1)
return r, corrfun, rw